数据集:http://grouplens.org/datasets/movielens/
u_mr
{user:{movie:rating,},}
转换为
m_ur
{movie:{user:rating,},}
相关系数(similarity)计算:
欧几里得距离;皮尔逊相关系数;其他还有Jaccard系数,曼哈顿距离算法
输入:两个暂时用字典表示的{key:value,}
输出:相关系数
m_mp
{movie:{movie:similarity,},}
书上用的是欧几里得距离算电影之间的相关性
对user进行推荐
获取u_mr[user]:{movie:rating,}
获取m_mp[movie]:{movie,similarity,}
movie不在u_mr[user]中
计算u_mr[user]和 m_mp[movie]
评价值与相似度的加权之和
全部相似度之和
将每个合计值除以加权和,求出平均值,即为估计的用户评分
返回排序后的推荐列表
{movie1:value,movie2:value,}